Package olympicsWeather

Prévisions météorologiques des sites olympiques

Package
Published

June 1, 2024

Le package olympicsWeather offre une solution simple et interactive pour accéder aux prévisions météorologiques des sites olympiques. Utilisant des graphiques interactifs, il permet aux utilisateurs d’explorer en profondeur les données météorologiques.


© Illustration AdobeStock

Caractéristiques

  • Graphiques interactifs : Grâce à plotly, le package produit des visualisations interactives des données météorologiques, améliorant ainsi l’expérience utilisateur par une exploration dynamique des prévisions.

  • Facilité d’utilisation : Les prévisions sont accessibles via des coordonnées GPS ou des noms de lieux, facilitant l’accès aux données météorologiques sans expertise technique spécifique.

  • Intégration de packages R : olympicsWeather s’appuie sur des packages tels que httr pour les requêtes web, jsonlite pour le traitement JSON, et tibble pour la manipulation de données, optimisant ainsi le processus d’analyse.

Installation

Le package olympicsWeather est disponible sur GitHub et peut être installé en utilisant le package remotes. Si vous n’avez pas encore installé remotes, commencez par le faire avec la commande install.packages("remotes").

Ensuite, installez olympicsWeather en utilisant la commande suivante :

remotes::install_github("isabel6198/olympicsWeather")

Fonctions

Les fonctions qui sont incluses dans le package sont :

  • perform_request: Envoie une requête à l’API Open-Meteo avec des coordonnées GPS et retourne les données météorologiques horaires sous forme de tibble.

  • unnest_data: Transforme les données météorologiques brutes en un tibble structuré, extrayant des informations telles que la date, l’heure, et les températures.

  • get_forecast: Fonction générique qui, selon le type d’entrée (adresse ou coordonnées GPS), renvoie des prévisions météorologiques sous forme de tibble.

  • address_to_gps et get_gps_coordinate: Convertissent une adresse textuelle en coordonnées GPS à l’aide du service de géocodage OpenStreetMap.

  • get_forecast.numeric et get_forecast.character: Spécialisent get_forecast pour traiter respectivement des coordonnées GPS numériques et des adresses textuelles, renvoyant les prévisions météorologiques pour l’emplacement spécifié.

  • visualiser_temperatures: Crée un graphique interactif avec plotly à partir d’un tibble météorologique, affichant la température et la température ressentie au fil du temps.

Chaque fonction est conçue pour simplifier l’accès et la manipulation des données météorologiques, depuis la récupération des informations depuis une API externe jusqu’à la visualisation interactive des prévisions.

Exemples

Site: le stade de France

# librairie 
library(olympicsWeather)


# Obtenir les prévisions météorologiques à partir d'un lieu exacte
meteo <- get_forecast("Stade de France, Saint-Denis, France")
meteo
# A tibble: 168 × 5
   date_heure          temperature_celsius temperature_ressentie
   <dttm>                            <dbl>                 <dbl>
 1 2024-09-28 00:00:00                11.1                   9.5
 2 2024-09-28 01:00:00                10.6                   9.3
 3 2024-09-28 02:00:00                 9.7                   7.9
 4 2024-09-28 03:00:00                 8.8                   7  
 5 2024-09-28 04:00:00                 8.2                   6.3
 6 2024-09-28 05:00:00                 8                     6.2
 7 2024-09-28 06:00:00                 7.7                   5.9
 8 2024-09-28 07:00:00                 8.5                   6.7
 9 2024-09-28 08:00:00                10.2                   8.2
10 2024-09-28 09:00:00                12.1                  10.1
# ℹ 158 more rows
# ℹ 2 more variables: precipitation_proba <int>, precipitation_mm <dbl>
# Visualer les données
graphique <- visualiser_temperatures(meteo)
graphique

Coordonnées GPS

# Obtenir les prévisions météorologiques à partir de Coordonnées GPS 
gps <- c( 43.276703, 5.334791)

# Obtenir les prévisions météorologiques
meteo <- get_forecast(gps)
meteo
# A tibble: 168 × 5
   date_heure          temperature_celsius temperature_ressentie
   <dttm>                            <dbl>                 <dbl>
 1 2024-09-28 00:00:00                16.9                  11.8
 2 2024-09-28 01:00:00                16.8                  11.5
 3 2024-09-28 02:00:00                16.8                  11.4
 4 2024-09-28 03:00:00                15.9                  11.9
 5 2024-09-28 04:00:00                15.6                  11  
 6 2024-09-28 05:00:00                16                    10.5
 7 2024-09-28 06:00:00                15.9                  10.3
 8 2024-09-28 07:00:00                16.1                  10  
 9 2024-09-28 08:00:00                16.8                  10.1
10 2024-09-28 09:00:00                17.8                  11.3
# ℹ 158 more rows
# ℹ 2 more variables: precipitation_proba <int>, precipitation_mm <dbl>
# Visualer les données
graphique <- visualiser_temperatures(meteo)
graphique

Tahiti

# Obtenir les prévisions météorologiques 
meteo <- get_forecast("Tahiti")
# Visualer les données
graphique <- visualiser_temperatures(meteo)
graphique